CN110765134A - 档案建立方法、设备及存储介质 - Google Patents
档案建立方法、设备及存储介质 Download PDFInfo
- Publication number
- CN110765134A CN110765134A CN201911022540.9A CN201911022540A CN110765134A CN 110765134 A CN110765134 A CN 110765134A CN 201911022540 A CN201911022540 A CN 201911022540A CN 110765134 A CN110765134 A CN 110765134A
- Authority
- CN
- China
- Prior art keywords
- data
- personnel
- clustering
- clustering result
- face
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Abstract
本发明涉及一种档案建立方法、设备及存储介质,应用于数据处理技术领域,解决了相关技术中只能依赖用户真实信息才能建立档案的问题,其中,档案建立方法包括获取具有待建档人员人脸的数据及数据的获取参数,对数据进行结构化,以提取数据中的人脸参数,根据获取参数及人脸参数对数据进行聚类,得到多个聚类结果,根据预设的大数据分析模型,对各聚类结果中的数据进行分析,得到各聚类结果中待建档人员的生活习性数据,根据生活习性数据和聚类结果建立待建档人员的人员档案。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及档案建立方法、设备及存储介质。
背景技术
随着社会的进步,人员流通越来越普遍,人员管理的难度也随之增大。目前有一些部门或者系统通过建立人员档案的方式,对人员进行管理。
但是,相关技术中,建立的人员档案中往往是基于用户的真实信息建立的,如:用户的姓名、性别、年龄和籍贯等基础信息,若未获得上述的基础信息则无法为该用户建档。
发明内容
有鉴于此,本发明为了在至少一定程度上克服相关技术中存在的问题,提供一种档案建立方法、设备及存储介质。
为解决上述技术问题,本发明采用如下技术方案:
第一方面,一种档案建立方法,包括:
获取具有待建档人员人脸的数据及所述数据的获取参数;
对所述数据进行结构化,以提取所述数据中的人脸参数;
根据所述获取参数及所述人脸参数对所述数据进行聚类,得到多个聚类结果;
根据预设的大数据分析模型,对各聚类结果中的数据进行分析,得到各聚类结果中待建档人员的生活习性数据;
根据生活习性数据和所述聚类结果建立所述待建档人员的人员档案。
可选的,所述获取参数包括获取时间,所述人脸参数包括人脸特征值,所述根据所述获取参数及所述人脸参数对所述数据进行聚类,包括:
依据所述数据所述获取时间的先后,及所述数据中的人脸特征值,依次判断所述数据是否属于已建立的人员档案;
若是,将所述数据作为所述已建立的人员档案中聚类结果的缓存数据;
若否,将所述数据作为缓存数据,并将所述缓存数据作为新的聚类结果;
根据所述人脸特征值,判断获取时间在后的数据与所述缓存数据是否匹配;
若是,将获取时间在后的数据聚类至所述缓存数据对应的聚类结果中。
可选的,所述获取参数包括获取时间和获取地点,所述方法还包括:
在所述聚类结果中,若所述数据与其他数据的获取地点的获取时间差未在预设时间范围内,将所述数据删除所述聚类结果,并进行重新聚类。
可选的,所述人脸参数还包括人脸特征分布数据,所述方法还包括:
根据所述人脸特征值计算聚类结果中各所述数据的人脸特征分布数据;
若所述聚类结果中的所述数据的人脸特征分布数据未在聚类结果的预设人脸特征分布范围内,将未在范围内的人脸分布数据对应的数据聚类至所述数据所属范围内的聚类结果中。
可选的,还包括:
若根据所述数据的人脸特征分布数据未在已聚类结果的预设人脸特征分布范围内,则将所述数据与聚类结果中的标准照片进行比对,所述标准照片是通过预设算法在所述聚类结果中选取的;
若比对成功,则将所述数据聚类至所述标准照片对应的聚类结果中。
可选的,还包括:
为所述聚类结果生成身份编码,并将所述身份编码存储至于与所述聚类结果对应的所述人员档案中。
可选的,还包括:
获取人员的静态数据,所述静态数据包括人员的静态照片和基本信息;
若所述静态照片与所述人员档案中的标准照片匹配,所述标准照片是通过预设算法在所述聚类结果中选取的;
将所述静态照片对应的所述静态数据归档于所述标准照片对应的所述人员档案中。
可选的,所述根据预设图片处理算法提取所述数据中的人脸参数,包括:
获取所述数据中的关键图片,所述关键图片包括具有人脸的图片;
基于图片处理算法提取所述关键图片中的人脸和人体;
将所述关键图片中的人脸转化为结构化特征值,将所述结构化特征值作为所述人脸参数。
可选的,所述数据包括视频数据和图片数据;
所述数据为视频数据时,所述关键图片为具有人脸的关键帧图片;
所述数据为图片数据时,所述关键图片为所述具有人脸的图片。
可选的,所述根据所述人脸特征值,将获取时间在后的数据聚类至所述缓存数据对应的聚类结果中,包括:
将所述人脸特征值达到所述缓存数据的人脸特征值的相似度预设阈值的数据,聚类至所述缓存数据对应的聚类结果中。
可选的,所述大数据分析模型包括同行分析模型、活动轨迹分析模型、活动时间分析模型、活动地址分析模型;
所述根据预设的大数据分析模型,对各聚类结果中的数据进行分析,得到各聚类结果中待建档人员的生活习性数据,包括:
根据所述同行分析模型,获取所述聚类结果中待建档人员的同行人员,并建立所述待建档人员的人员关系网;或,
根据所述活动轨迹分析模型,获取所述聚类结果中待建档人员的活动地址和活动时间,对所述活动地址和所述活动时间进行分析,得到所述待建档人员的活动轨迹及生活动态;或
根据所述活动时间分析模型,获取所述聚类结果中待建档人员的活动时间,对所述活动时间进行分析得到所述待建档人员的活动时间规律;或
根据所述活动地址分析模型,获取所述聚类结果中待建档人员的活动地址,对所述活动地点行分析得到所述待建档人员的活动地点规律;
其中,所述活动时间和活动地点为所述聚类结果中所述数据的获取时间和获取地点。
可选的,还包括:
根据所述生活习性数据为所述待建档人员生成相应的标签,并将所述标签对应存储至所述待建档人员的人员档案中。
可选的,还包括:
将所述人员档案发送至数据管理平台。
第二方面,一种档案建立装置,包括:
获取模块,用于获取具有待建档人员人脸的数据及所述数据的获取参数;
数据结构化模块,用于对所述数据进行结构化,以提取所述数据中的人脸参数;
聚类模块,用于根据所述获取参数及所述人脸参数对所述数据进行聚类,得到多个聚类结果;
分析模块,用于根据预设的大数据分析模型,对各聚类结果中的数据进行分析,得到各聚类结果中待建档人员的生活习性数据;
建档模块,用于根据生活习性数据和所述聚类结果建立所述待建档人员的人员档案。
第三方面,一种档案建立设备,包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序;
所述处理器用于调用并执行所述存储器中的所述计算机程序,以执行如第一方面所述的档案建立方法。
第四方面,一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如本发明第一方面任一项所述档案建立方法。
本发明采用以上技术方案,可以实现如下技术效果:
本申请中,通过先获取具有待建档人员人脸的数据及数据的获取参数,然后将数据进行结构化,以提取数据中的人脸参数,然后根据获取参数及人脸参数对数据进行聚类,得到多个聚类结果,便可以将同一待建档人员的数据聚类到一起,根据预设的大数据分析模型,对各聚类结果中的数据进行分析,得到各聚类结果中待建档人员的生活习性数据,根据生活习性数据和聚类结果建立待建档人员的人员档案,如此,在为待建档人员建立档案时,可以只在获得具有人脸的数据时,便可以为其建立人员档案,而不直接依赖于待建档人员的真实信息,应用更加方便。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的档案建立方法的流程示意图;
图2是本发明另一实施例提供的档案建立方法的流程示意图;
图3是本申请一实施例提供的对数据结构化方法的流程示意图;
图4是本申请一实施例提供的对数据聚类方法的流程示意图;
图5是本发明一实施例提供的档案建立装置的结构示意图;
图6是本申请一实施例提供的档案建立设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
实施例
图1是本发明一实施例提供的档案建立方法的流程示意图。如图1所示,本实施例提供一种档案建立方法,包括:
步骤101、获取具有待建档人员人脸的数据及数据的获取参数。
一些实施例中,具有待建档人员人脸的数据可以但不限于为图片数据和视频数据,获取参数可以但不限于为数据获取的时间和地点。其中,视频数据可以为在设置的摄像头的地点拍摄的视频数据,图片数据可以为在视频数据中提取的图片,或者,由摄像机随机抓拍的图片,其中设置摄像头的地点可以为交通路口、店面门口等位置。
步骤102、对数据进行结构化,以提取数据中的人脸参数。
一些实施例中,对数据进行结构化的方式有多种,例如,可以通过现有技术中,人工智能的图片处理算法的计算,获取到数据中的人脸与人体,然后将人脸转化为一组结构化的特征值,同时,还可以采集到数据中待建档人员的年龄、性别、穿戴物品等。其中,转化的结构化的特征值便可以作为人脸参数进行下一步聚类。
步骤103、根据获取参数及人脸参数对数据进行聚类,得到多个聚类结果。
一些实施例中,聚类的方式有多种,可以通过聚类模型对数据进行聚类,也可以通过数据中的特征进行聚类,如通过人脸参数和获取参数对数据进行聚类,由于获取的数据的数量较大,并且来自多个不同位置的摄像机,因此,在聚类时,会将数据中的所有人分别进行聚类,从而得到多个聚类结果。
步骤104、根据预设的大数据分析模型,对各聚类结果中的数据进行分析,得到各聚类结果中待建档人员的生活习性数据。
一些实施例中,预设的大数据分析模型可以根据预设的规则及大数据分析生成。预设的大数据分析模型可以但不限于为同行分析模型、活动轨迹分析模型、活动时间分析模型、活动地址分析模型,以通过不同的模型得到待建档人员多维度的分析。
步骤105、根据生活习性数据和聚类结果建立待建档人员的人员档案。
一些实施例中,通过将获得的生活习性数据与聚类结果建立人员档案,使得人员档案中既有待建档人员的视频数据和图片数据,还有对待建档人员的生活习性分析的结果,可以更全面的获得人员信息。
本申请中,通过先获取具有待建档人员人脸的数据及数据的获取参数,然后将数据进行结构化,以提取数据中的人脸参数,然后根据获取参数及人脸参数对数据进行聚类,得到多个聚类结果,便可以将同一待建档人员的数据聚类到一起,根据预设的大数据分析模型,对各聚类结果中的数据进行分析,得到各聚类结果中待建档人员的生活习性数据,根据生活习性数据和聚类结果建立待建档人员的人员档案,如此,在为待建档人员建立档案时,可以只在获得具有人脸的数据时,便可以为其建立人员档案,而不直接依赖于待建档人员的真实信息,应用更加方便,另外,通过预设的大数据分析模型可以分析出待建档人员的生活习性数据,如此,可以对待建档人员有更加深入的分析,以方便相关人员在查询时,可以获取更多信息。
图2是本发明另一实施例提供的档案建立方法的流程示意图。如图2所示,本实施例提供一种档案建立方法,包括:
步骤201、获取具有待建档人员人脸的数据及数据的获取参数。
一些实施例中,具有待建档人员人脸的数据可以但不限于为图片数据和视频数据,获取参数可以但不限于为数据获取的时间和地点。其中,视频数据可以为在设置的摄像头的地点拍摄的视频数据,图片数据可以为在视频数据中提取的图片,或者,由摄像机随机抓拍的图片,其中设置摄像头的地点可以为交通路口、店面门口等位置。
步骤202、对数据进行结构化,以提取数据中的人脸参数。
一些实施例中,对数据进行结构化的方式有多种,例如,可以通过现有技术中,人工智能的图片处理算法的计算,获取到数据中的人脸与人体,然后将人脸转化为一组结构化的特征值,同时,还可以采集到数据中待建档人员的年龄、性别、穿戴物品等。其中,转化的结构化的特征值便可以作为人脸参数进行下一步聚类。
具体的,图3是本申请一实施例提供的对数据结构化方法的流程示意图。参照图3,对数据进行结构化的具体过程可以通过如下方式:
步骤301、获取数据中的关键图片,关键图片包括具有人脸的图片;
一些实施例中,数据包括视频数据和图片数据。当数据为视频数据时,关键图片为具有人脸的关键帧图片;获取视频数据中的关键图片的方式有多种,例如,可以提取视频数据中的具有人脸的关键帧,在上述关键帧中选取人脸角度最佳的一张作为关键图片。当数据为图片数据时,关键图片为具有人脸的图片。
步骤302、基于图片处理算法提取关键图片中的人脸和人体。
其中,图片处理算法是现有技术中常见的处理图片的一种方法,其具体实现方式可以参照现有技术,此处不再赘述。
步骤303、将关键图片中的人脸转化为结构化特征值,将结构化特征值作为人脸参数。
一些实施例中,结构化特征值可以但不限于为人脸中眼距、嘴唇厚度、鼻梁长度、鼻翼宽度、脸宽度等,将这些架构化特征值作为人脸参数,以通过人脸参数对各数据进行聚类。
步骤203、根据获取参数及人脸参数对数据进行聚类,得到多个聚类结果。
一些实施例中,聚类的方式有多种,可以通过聚类模型对数据进行聚类,也可以通过数据中的特征进行聚类,如通过人脸参数和获取参数对数据进行聚类,由于获取的数据的数量较大,并且来自多个不同位置的摄像机,因此,在聚类时,会将数据中的所有人分别进行聚类,从而得到多个聚类结果。
进一步的,图4是本申请一实施例提供的对数据聚类方法的流程示意图,参照图4,本实施例中,对数据聚类的方式可以参照如下内容,其中,获取参数包括获取时间和获取地点,人脸参数包括人脸特征值和人脸特征分布数据,人脸特征分布数据是根据人脸特征值计算得到的。
步骤401、依据数据获取时间的先后,及数据中的人脸特征值,依次判断数据是否属于已建立的人员档案,若是,执行步骤402,若否,执行步骤403。
由于数据是由多个获取地点的摄像头在不同的获取时间时获取的,因此在聚类时,会获取到大量数据,一些实施例中,按照获取数据时间的先后,先依次根据人脸特征值判断是否属于已建立的人员档案,这样可以直接将获取的数据存储至相应的人员档案中。
步骤402、将数据作为已建立的人员档案中聚类结果的缓存数据;
步骤403、将数据作为缓存数据,并将缓存数据作为新的聚类结果;
步骤404、根据人脸特征值,判断获取时间在后的数据与缓存数据是否匹配,若是,执行步骤405;
步骤405、将获取时间在后的数据聚类至缓存数据对应的聚类结果中。
一些实施例中,以在一段时间内获取的数据的数量为10个为例,先判断最先获取的数据是否属于已建立的人员档案,如果属于,则将最先获取的数据作为缓存数据,后续再获取的数据先与缓存数据进行匹配,若匹配,将后获取的数据聚类至已建立人员档案的聚类结果中;如果不属于,将最先获取的数据作为缓存数据,但是由于在已建立的人员档案中,没有与该数据匹配的人员档案,也就没有与其匹配的聚类结果,因此,在数据不属于已建立的人员档案时,将缓存数据作为新的聚类结果,在后续获取的数据若与该缓存数据匹配,则将后续获取的数据聚类至该新的聚类结果中。
通过上述聚类方式,新获取的数据优先和缓存数据进行聚类,完成了获取数据的在线聚类,不仅节约了计算资源,而且,提高了聚类效率。其中,缓存数据为获取的数据的二级缓存。
进一步的,在聚类过程中,可能会出现在同一聚类结果中的数据,虽然聚类到同一聚类结果中,但却不是同一个人的情况,因此,聚类过程还包括如下步骤:
步骤406、在聚类结果中,若数据与其他数据的获取地点的获取时间差未在预设时间范围内,将数据删除聚类结果,并进行重新聚类。
一些实施例中,在同一聚类结果中,可能会出现类似情况,如,聚类结果中的待建档人员为张三,在张三的聚类结果中,包括了在北京某摄像头1月1日早上10点发送的图片数据,在北京另一摄像头1月1日早上10点10分发送的图片数据以及在上海某摄像头1月1日早上10点20分发送的图片数据,而其他数据的位置均显示为北京,显然,从北京到上海最快也需要几个小时,因此,从上海发送的图片数据不属于张三,因此,将此数据从张三的聚类结果中删除,并对其重新聚类。
另外,在聚类结果中,还可能会将长相相似的人,聚类至同一结果中,为避免这种情况,发明人还提供了如下聚类方式:
步骤407、根据人脸特征值计算聚类结果中各数据的人脸特征分布数据。
一些实施例中,人脸特征值是根据图片中离散的点之间的距离计算,得到眼距等数据得到的,因此,在计算人脸特征分布数据时,可以根据离散的点得到人脸的分布情况,
步骤408、若聚类结果中的数据的人脸特征分布数据未在聚类结果的预设人脸特征分布范围内,将未在范围内的人脸分布数据对应的数据聚类至数据所属范围内的聚类结果中。
一些实施例中,为避免相似的人聚类至同一聚类结果中,将计算聚类结果中各数据的人脸特征分布数据,并确定人脸特征分布范围,如此,每个聚类结果均会设定一个预设人脸特征分布范围,如果某一数据的人脸特征分布数据未在预设范围内,则将该数据删除现所属的聚类结果,并将其聚类至其所属范围内的聚类结果中。
进一步的,通过上述方式对聚类结果的校正,若一些数据仍不能聚类至某一结果中,可以通过如下方式解决:
步骤409、若根据数据的人脸特征分布数据未在已聚类结果的预设人脸特征分布范围内,则将数据与聚类结果中的标准照片进行比对,标准照片是通过预设算法在聚类结果中选取的;
步骤410、若比对成功,则将数据聚类至标准照片对应的聚类结果中。
在聚类结果中,聚集了大量了建档人员的照片及视频,通过预设算法可以在其中选取拍摄角度正中、图像画质清晰的图片作为保准照片。其中,预设算法可以为现有技术中,选取最优照片的算法,如,智能终端中,可以通过算法分析中,同一类别的照片中最优的图片。
一些实施例中,将获取的数据直接与聚类结果中的标准照片进行比对,可以直接判断数据是否属于某一聚类结果,可以更加精确的确认数据所属的聚类结果。
通过上述步骤,以在线的方式先对数据进行初步的聚类,然后以离线的方式对数据进行进一步的校对,使得数据的聚类更加准确、效率更高。
步骤204、根据预设的大数据分析模型,对各聚类结果中的数据进行分析,得到各聚类结果中待建档人员的生活习性数据。
一些实施例中,预设的大数据分析模型可以根据预设的规则及大数据分析生成。预设的大数据分析模型可以但不限于为同行分析模型、活动轨迹分析模型、活动时间分析模型、活动地址分析模型,以通过不同的模型得到待建档人员多维度的分析。
具体的,步骤204可以包括如下内容:
根据同行分析模型,获取聚类结果中待建档人员的同行人员,并建立待建档人员的人员关系网;
一些实施例中,利用大数据分析服务,以及制定的规则,实时分析目标人员的同行人员,掌握目标人员的社会接触人员,形成目标人员的同行人员关系网。例如,在一个月内拍摄的张三的图片中,李四出现的概率较高,则将李四作为张三的同行人员。
根据活动轨迹分析模型,获取聚类结果中待建档人员的活动地址和活动时间,对活动地址和活动时间进行分析,得到待建档人员的活动轨迹及生活动态;
一些实施例中,通过活动轨迹分析模型,可以实时掌握目标人员最近的活动轨迹情况,了解目标人员的动态。例如,张三在一个月内,每个工作如均在9点及17点出现在某一办公楼的摄像头处,则可以知道张三工作时间及地点,并作为其活动轨迹的一部分。
根据活动时间分析模型,获取聚类结果中待建档人员的活动时间,对活动时间进行分析得到待建档人员的活动时间规律;
一些实施例中,通过活动时间分析模型对目标人员的分析,从时间的维度,分析出目标人员的活动时间段,掌握目标人员的活动规律时间。例如,张三在下午的时间段内,常被拍摄到在某健身房的照片,可以分析出其为健身达人。
根据活动地址分析模型,获取聚类结果中待建档人员的活动地址,对活动地点行分析得到待建档人员的活动地点规律。
一些实施例中,通过活动地址分析模型对目标人员的分析,从空间的维度,分析出目标人员的经常活动地点,活动地点的类型等。
其中,上述实施例中,活动时间和活动地点为聚类结果中数据的获取时间和获取地点。
另外,通过上述生活习性分析情况,可以自行上传一照片或视频,通过对照片或视频的分析,便可以得到该人员最近的活动情况,若此照片为犯罪嫌疑人照片,可以直接在其常出没的地方进行抓捕,对公安部门具有极其重要的意义。
步骤205、根据生活习性数据和聚类结果建立待建档人员的人员档案。
一些实施例中,通过将获得的生活习性数据与聚类结果建立人员档案,使得人员档案中既有待建档人员的视频数据和图片数据,还有对待建档人员的生活习性分析的结果,可以更全面的获得人员信息。
步骤206、根据生活习性数据为待建档人员生成相应的标签,并将所述标签归档于生活习性数据对应人员档案中。
一些实施例中,根据上述的生活习性数据可以分析出建档人员的生活的习性,因此,可以根据其生活习性数据生成相应的标签,例如,昼伏夜出、上班族、疑似XX嫌疑人、常住小区为XX小区、工作地为XX写字楼等等。
步骤207、获取人员的静态数据,静态数据包括人员的静态照片和基本信息。
一些实施例中,人员的基本信息可以包括人员的姓名、性别、身份证等真实信息,静态照片可以但不限于为人员的证件照。
步骤208、若静态照片与人员档案中的标准照片匹配;
步骤209、将静态照片对应的静态数据归档于标准照片对应的人员档案中。
一些实施例中,通过将静态照片与标准照片进行匹配完成后,便可以实现待建档人员的视频数据与真实数据的结合,使得用户的人员档案更加全面。
步骤210、为聚类结果生成身份编码并将身份编码存储至于与聚类结果对应的人员档案中。
一些实施例中,为聚类结果生成的身份编码,保证了视频目标人员的ID唯一性,在后续的查询时更加方便。
步骤211、将人员档案发送至数据管理平台。
一些实施例中,数据管理平台可以但不限于为公安管理平台。
本实施例中,通过获取的视频数据和照片数据,先进行聚类,然后对聚类结果中的视频和照片,通过大数据分析模型分析出聚类结果中的生活习性数据,从而建立用户基于视频和照片身份的人员档案,进一步的,将用户的真实身份数据与基于视频和照片的身份数据进行匹配,并且为聚类结果生成唯一的编码标识,使得建立的用户档案更加完善。通过对视频身份数据的治理和建档,视频身份档案数据可以作为一种标准化的结构化数据,向其他的大数据资源平台、大数据融合分析平台等提供一类标准化的档案数据资源作为支撑。对视频身份目标数据进行精加工,利用大数据分析模型实时分析模型对人员进行各种维度的分析,从而形成视频身份目标的档案;通过关联真实身份后,围绕真实身份的人员类型,通过视频加以佐证;建立了一套人员视频身份档案,在没有公安内网信息数据支撑的时候,也能够精确刻画虚拟人员身份画像,同时可以扩展对接内网信息数据,形成一套增强版视频身份档案。
另外,在过去公安行业人员建档更多的是依赖人员的真实身份信息作为唯一标识进行建档,这个档案包括身份证档案、手机号档案、MAC档案、关联车辆档案等。视频身份建档的过程跳出了这个模式,通过对视频身份进行标准化编码后,保证了视频目标人员的ID唯一性,从而可以进行人员建档,因为对视频数据聚类归档后,形成了一类纯结构化的数据,此类数据不仅仅只是简单的人员通行抓拍日志,而是对视频身份数据进行了多维度的分析计算,由于这个过程需要依赖较多的大数据组件对数据进行实时分析,因此过程中已经对数据进行了重新组织,为后续的各个业务应用提前做好的数据分析工作,减少了后续数据服务的计算量,并且,传统的视频身份数据无法自由提供给大数据平台进行融合,因为大数据平台无法解析非结构化的数据,但是通过VID视频身份档案的建档过程,实现了唯一视频ID,附带该视频目标人员的ID的各类档案数据,可以直接提供给大数据平台进行应用。
图5是本发明一实施例提供的档案建立装置的结构示意图。如图5所示,本实施例提供一种档案建立装置,包括:
获取模块501,用于获取具有待建档人员人脸的数据及数据的获取参数;
数据结构化模块502,用于对数据进行结构化,以提取数据中的人脸参数;
聚类模块503,用于根据获取参数及人脸参数对数据进行聚类,得到多个聚类结果;
分析模块504,用于根据预设的大数据分析模型,对各聚类结果中的数据进行分析,得到各聚类结果中待建档人员的生活习性数据;
建档模块505,用于根据生活习性数据和聚类结果建立待建档人员的人员档案。
本实施例的具体实现方案可以参见前述实施例记载的档案建立方法及方法实施例中的相关说明,此处不再赘述。
图6是本申请一实施例提供的档案建立设备的结构示意图。参照图6,本申请实施例的提供了一种档案建立设备,包括:
处理器601,以及与处理器相连接的存储器602;
存储器用于存储计算机程序;
处理器用于调用并执行存储器中的计算机程序,以执行如上述实施例中的档案建立方法。
本实施例的具体实现方案可以参见前述实施例记载的档案建立方法及方法实施例中的相关说明,此处不再赘述。
本发明实施例提供一种存储介质,存储介质存储有计算机程序,计算机程序被处理器执行时,实现如档案建立方法中各个步骤。
本实施例的具体实现方案可以参见上述档案建立方法实施例中的相关说明,此处不再赘述。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (15)
1.一种档案建立方法,其特征在于,包括:
获取具有待建档人员人脸的数据及所述数据的获取参数;
对所述数据进行结构化,以提取所述数据中的人脸参数;
根据所述获取参数及所述人脸参数对所述数据进行聚类,得到多个聚类结果;
根据预设的大数据分析模型,对各聚类结果中的数据进行分析,得到各聚类结果中待建档人员的生活习性数据;
根据生活习性数据和所述聚类结果建立所述待建档人员的人员档案。
2.根据权利要求1所述的方法,其特征在于,所述获取参数包括获取时间,所述人脸参数包括人脸特征值,所述根据所述获取参数及所述人脸参数对所述数据进行聚类,包括:
依据所述数据所述获取时间的先后,及所述数据中的人脸特征值,依次判断所述数据是否属于已建立的人员档案;
若是,将所述数据作为所述已建立的人员档案中聚类结果的缓存数据;
若否,将所述数据作为缓存数据,并将所述缓存数据作为新的聚类结果;
根据所述人脸特征值,判断获取时间在后的数据与所述缓存数据是否匹配;
若是,将获取时间在后的数据聚类至所述缓存数据对应的聚类结果中。
3.根据权利要求2所述的方法,其特征在于,所述获取参数包括获取时间和获取地点,所述方法还包括:
在所述聚类结果中,若所述数据与其他数据的获取地点的获取时间差未在预设时间范围内,将所述数据删除所述聚类结果,并进行重新聚类。
4.根据权利要求2所述的方法,其特征在于,所述人脸参数还包括人脸特征分布数据,所述方法还包括:
根据所述人脸特征值计算聚类结果中各所述数据的人脸特征分布数据;
若所述聚类结果中的所述数据的人脸特征分布数据未在聚类结果的预设人脸特征分布范围内,将未在范围内的人脸分布数据对应的数据聚类至所述数据所属范围内的聚类结果中。
5.根据权利要求3所述的方法,其特征在于,还包括:
若根据所述数据的人脸特征分布数据未在已聚类结果的预设人脸特征分布范围内,则将所述数据与聚类结果中的标准照片进行比对,所述标准照片是通过预设算法在所述聚类结果中选取的;
若比对成功,则将所述数据聚类至所述标准照片对应的聚类结果中。
6.根据权利要求1-5任一项所述的方法,其特征在于,还包括:
为所述聚类结果生成身份编码,并将所述身份编码存储至于与所述聚类结果对应的所述人员档案中。
7.根据权利要求1所述的方法,其特征在于,还包括:
获取人员的静态数据,所述静态数据包括人员的静态照片和基本信息;
若所述静态照片与所述人员档案中的标准照片匹配,所述标准照片是通过预设算法在所述聚类结果中选取的;
将所述静态照片对应的所述静态数据归档于所述标准照片对应的所述人员档案中。
8.根据权利要求1所述的方法,其特征在于,所述对所述数据进行结构化,包括:
获取所述数据中的关键图片,所述关键图片包括具有人脸的图片;
基于图片处理算法提取所述关键图片中的人脸和人体;
将所述关键图片中的人脸转化为结构化特征值,将所述结构化特征值作为所述人脸参数。
9.根据权利要求8所述的方法,其特征在于,所述数据包括视频数据和图片数据;
所述数据为视频数据时,所述关键图片为具有人脸的关键帧图片;
所述数据为图片数据时,所述关键图片为所述具有人脸的图片。
10.根据权利要求2所述的方法,其特征在于,所述根据所述人脸特征值,将获取时间在后的数据聚类至所述缓存数据对应的聚类结果中,包括:
将所述人脸特征值达到所述缓存数据的人脸特征值的相似度预设阈值的数据,聚类至所述缓存数据对应的聚类结果中。
11.根据权利要求1所述的方法,其特征在于,所述大数据分析模型包括同行分析模型、活动轨迹分析模型、活动时间分析模型、活动地址分析模型;
所述根据预设的大数据分析模型,对各聚类结果中的数据进行分析,得到各聚类结果中待建档人员的生活习性数据,包括:
根据所述同行分析模型,获取所述聚类结果中待建档人员的同行人员,并建立所述待建档人员的人员关系网;或,
根据所述活动轨迹分析模型,获取所述聚类结果中待建档人员的活动地址和活动时间,对所述活动地址和所述活动时间进行分析,得到所述待建档人员的活动轨迹及生活动态;或,
根据所述活动时间分析模型,获取所述聚类结果中待建档人员的活动时间,对所述活动时间进行分析得到所述待建档人员的活动时间规律;或,
根据所述活动地址分析模型,获取所述聚类结果中待建档人员的活动地址,对所述活动地点行分析得到所述待建档人员的活动地点规律;
其中,所述活动时间和活动地点为所述聚类结果中所述数据的获取时间和获取地点。
12.根据权利要求1所述的方法,其特征在于,还包括:
根据所述生活习性数据为所述待建档人员生成相应的标签,并将所述标签对应存储至所述待建档人员的人员档案中。
13.根据权利要求1所述的方法,其特征在于,还包括:
将所述人员档案发送至数据管理平台。
14.一种档案建立设备,其特征在于,包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序;
所述处理器用于调用并执行所述存储器中的所述计算机程序,以执行如权利要求1-13任一项所述的方法。
15.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1-13任一项所述档案建立方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911022540.9A CN110765134A (zh) | 2019-10-25 | 2019-10-25 | 档案建立方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911022540.9A CN110765134A (zh) | 2019-10-25 | 2019-10-25 | 档案建立方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110765134A true CN110765134A (zh) | 2020-02-07 |
Family
ID=69333681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911022540.9A Pending CN110765134A (zh) | 2019-10-25 | 2019-10-25 | 档案建立方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110765134A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112445925A (zh) * | 2020-11-24 | 2021-03-05 | 浙江大华技术股份有限公司 | 聚类归档方法、装置、设备及计算机存储介质 |
CN112948612A (zh) * | 2021-03-16 | 2021-06-11 | 杭州海康威视数字技术股份有限公司 | 人体封面生成方法、装置、电子设备及存储介质 |
CN113158721A (zh) * | 2020-12-16 | 2021-07-23 | 东方网力科技股份有限公司 | 一种车辆套牌的识别方法、装置、设备及存储介质 |
CN113408557A (zh) * | 2020-03-17 | 2021-09-17 | 深圳云天励飞技术有限公司 | 一种档案合并方法、装置及电子设备 |
CN114359611A (zh) * | 2022-03-18 | 2022-04-15 | 浙江大华技术股份有限公司 | 目标聚档方法、计算机设备及存储装置 |
CN114723543A (zh) * | 2022-04-22 | 2022-07-08 | 科铄信息科技常州有限公司 | 一种跨境电商的财务档案大数据管理系统及方法 |
CN115546516A (zh) * | 2022-09-29 | 2022-12-30 | 北京瑞莱智慧科技有限公司 | 人员聚档方法、装置、计算机设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470195A (zh) * | 2018-05-11 | 2018-08-31 | 东方网力科技股份有限公司 | 视频身份管理方法及装置 |
CN108733819A (zh) * | 2018-05-22 | 2018-11-02 | 深圳云天励飞技术有限公司 | 一种人员档案建立方法和装置 |
CN109241378A (zh) * | 2018-08-29 | 2019-01-18 | 北京旷视科技有限公司 | 档案建立方法、装置、设备及存储介质 |
CN109783685A (zh) * | 2018-12-28 | 2019-05-21 | 上海依图网络科技有限公司 | 一种查询方法及装置 |
CN109800669A (zh) * | 2018-12-28 | 2019-05-24 | 上海依图网络科技有限公司 | 一种归档方法及装置 |
CN110288015A (zh) * | 2019-06-21 | 2019-09-27 | 北京旷视科技有限公司 | 一种人像检索的处理方法和装置 |
-
2019
- 2019-10-25 CN CN201911022540.9A patent/CN110765134A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470195A (zh) * | 2018-05-11 | 2018-08-31 | 东方网力科技股份有限公司 | 视频身份管理方法及装置 |
CN108733819A (zh) * | 2018-05-22 | 2018-11-02 | 深圳云天励飞技术有限公司 | 一种人员档案建立方法和装置 |
CN109241378A (zh) * | 2018-08-29 | 2019-01-18 | 北京旷视科技有限公司 | 档案建立方法、装置、设备及存储介质 |
CN109783685A (zh) * | 2018-12-28 | 2019-05-21 | 上海依图网络科技有限公司 | 一种查询方法及装置 |
CN109800669A (zh) * | 2018-12-28 | 2019-05-24 | 上海依图网络科技有限公司 | 一种归档方法及装置 |
CN110288015A (zh) * | 2019-06-21 | 2019-09-27 | 北京旷视科技有限公司 | 一种人像检索的处理方法和装置 |
Non-Patent Citations (2)
Title |
---|
公安部第三研究所: "《多摄像机协同关注目标检测跟踪技术》", 30 June 2017, 南京:东南大学出版社 * |
陈海生: "基于图聚类的跨视频行人重识别", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑(月刊)》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408557A (zh) * | 2020-03-17 | 2021-09-17 | 深圳云天励飞技术有限公司 | 一种档案合并方法、装置及电子设备 |
CN113408557B (zh) * | 2020-03-17 | 2023-10-13 | 深圳云天励飞技术有限公司 | 一种档案合并方法、装置及电子设备 |
CN112445925A (zh) * | 2020-11-24 | 2021-03-05 | 浙江大华技术股份有限公司 | 聚类归档方法、装置、设备及计算机存储介质 |
CN112445925B (zh) * | 2020-11-24 | 2022-08-26 | 浙江大华技术股份有限公司 | 聚类归档方法、装置、设备及计算机存储介质 |
CN113158721A (zh) * | 2020-12-16 | 2021-07-23 | 东方网力科技股份有限公司 | 一种车辆套牌的识别方法、装置、设备及存储介质 |
CN112948612A (zh) * | 2021-03-16 | 2021-06-11 | 杭州海康威视数字技术股份有限公司 | 人体封面生成方法、装置、电子设备及存储介质 |
CN112948612B (zh) * | 2021-03-16 | 2024-02-06 | 杭州海康威视数字技术股份有限公司 | 人体封面生成方法、装置、电子设备及存储介质 |
CN114359611A (zh) * | 2022-03-18 | 2022-04-15 | 浙江大华技术股份有限公司 | 目标聚档方法、计算机设备及存储装置 |
CN114723543A (zh) * | 2022-04-22 | 2022-07-08 | 科铄信息科技常州有限公司 | 一种跨境电商的财务档案大数据管理系统及方法 |
CN114723543B (zh) * | 2022-04-22 | 2023-04-18 | 科铄信息科技常州有限公司 | 一种跨境电商的财务档案大数据管理系统及方法 |
CN115546516A (zh) * | 2022-09-29 | 2022-12-30 | 北京瑞莱智慧科技有限公司 | 人员聚档方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110765134A (zh) | 档案建立方法、设备及存储介质 | |
CN108733819B (zh) | 一种人员档案建立方法和装置 | |
CN107403173B (zh) | 一种人脸识别系统及方法 | |
US8965067B2 (en) | Face data acquirer, end user video conference device, server, method, computer program and computer program product for extracting face data | |
CN111444848A (zh) | 一种基于联邦学习的特定场景模型升级方法和系统 | |
CN110210276A (zh) | 一种移动轨迹获取方法及其设备、存储介质、终端 | |
CN108564052A (zh) | 基于mtcnn的多摄像头动态人脸识别系统与方法 | |
CN108470195B (zh) | 视频身份管理方法及装置 | |
US20210357678A1 (en) | Information processing method and apparatus, and storage medium | |
WO2019153504A1 (zh) | 一种群组创建的方法及其终端 | |
CN110969215A (zh) | 聚类处理方法和装置、存储介质及电子装置 | |
JP2022518469A (ja) | 情報処理方法および装置、記憶媒体 | |
CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN109902681B (zh) | 用户群体关系确定方法、装置、设备及存储介质 | |
CN109446946A (zh) | 一种基于多线程的多摄像头实时检测方法 | |
WO2018028253A1 (zh) | 一种信息处理方法、装置及存储介质 | |
CN109960969A (zh) | 移动路线生成的方法、装置及系统 | |
CN105684046A (zh) | 生成图像组成 | |
CN111652331A (zh) | 一种图像识别方法、装置和计算机可读存储介质 | |
CN115002414A (zh) | 监测方法、装置及服务器和计算机可读存储介质 | |
CN112446362B (zh) | 人脸图片档案处理方法及设备 | |
CN114286198B (zh) | 一种视频关联方法、装置、电子设备和存储介质 | |
CN112883213B (zh) | 一种图片归档方法、装置及电子设备 | |
CN114095725A (zh) | 一种判断摄像头是否异常的方法和系统 | |
CN111382628B (zh) | 同行判定方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200207 |